Почему российские маркетологи уходят в аналитику

В рекламе растет спрос на решения на основе искусственного интеллекта (ИИ) и Machine Learning (ML/машинное обучение), отмечают эксперты. По данным исследования «Рейтинга Рунета» за 2026 год, среди всех цифровых и маркетинговых услуг именно подсегмент решений на основе ИИ в 2025 году вырос на 65,13% по сравнению с 2024-м.

Использование этих технологий становится одним из драйверов развития продвинутой аналитики на рынке, что, в свою очередь, помогает маркетологу понять, какой вклад реклама реально внесла в продажи, прибыль и рост клиентской базы, а также решить, куда направить бюджет, чтобы получить максимальный дополнительный эффект, говорит диджитал-директор рекламного агентства «Нектарин» Екатерина Фролова.

48% участников российского рынка рекламы используют ИИ и ML в своих рекламных кампаниях, а 47% — для оптимизации бюджетов между каналами, следует из результатов исследования Ассоциации развития интерактивной рекламы (АРИР) и Аналитического центра Российской индустрии рекламы (АЦ РИР). При этом, согласно анализу применения ИИ и ML в рекламе за 2025 год, одними из ключевых барьеров на пути внедрения этих технологий в отрасли становятся дефицит компетенций и проблемы с данными.

Международные исследования, в том числе данные Cubeo AI, показывают, что рекламные кампании с использованием нейросетей на 26% увеличивают точность таргетинга, на 32% — конверсию и на 47% — CTR (click‑through rate — показатель кликабельности).

В России для оптимизации ставок, таргетинга, прогнозирования CTR и конверсий 48% компаний используют ИИ и ML, рынок находится в фазе перехода от раннего внедрения к массовому, отмечает заместитель гендиректора коммуникационного агентства «Крос» Кирилл Лубнин.

Продвинутая аналитика, по сути, новый этап в работе маркетолога, который означает переход от описательной и диагностической отчетности к предиктивному и прескриптивному (предписывающему) анализу с использованием больших массивов данных, эконометрических моделей, машинного обучения и автоматизированных пайплайнов данных для управления бюджетом, каналом и ростом бизнеса, рассказывает Кирилл Лубнин. Рынок, по его словам, переходит от фиксации на ретроспективных показателях и попытках найти закономерности в данных к прогнозированию будущих трендов и моделированию стратегии получения большей прибыли: 

«Международные исследования показывают, что кампании с использованием нейросетей дают +26% к точности таргетинга, +32% к конверсиям, +47% к CTR. В России по данным Аналитического центра Российской индустрии рекламы 48% компаний уже применяют AI/ML в рекламных кампаниях в части оптимизации ставок, таргетинга, прогнозирования CTR и конверсий. Соответственно, рынок находится в фазе перехода от раннего внедрения к массовому. 

Роли и KPI маркетологов на этом фоне действительно меняются. Теперь маркетологи часто выступают как архитекторы маркетинговых систем или Data-driven маркетологи, которые интерпретируют результаты моделей, формулируют гипотезы и управляют экспериментальным циклом. Среди целевых показателей появились скорость итерации, коэффициент масштабирования успешных гипотез, вклад маркетинга в общую выручку и LTV клиента, а не только CPA или CPL. Впрочем, старые метрики (CTR, CPC, CPV) тоже остаются, но становятся вторичными по отношению к системным показателям эффективности.

В перспективе ближайших лет мы можем ожидать усиление таких трендов, как гиперперсонализация в реальном времени, сквозная аналитика станет инструментом управления, произойдет консолидация стека. В целом же можно ожидать, что до 60% рутины будет закрыто ИИ-агентами, а маркетолог станет проектировщиком процессов», — отмечает эксперт.

Основные инструменты продвинутой аналитики — это сквозная аналитика (end‑to‑end analytics) и ETL (extract, transform, load — трехэтапный процесс работы с данными), DSP (demand‑side platform — программное обеспечение, которое облегчает процесс покупки и продажи рекламных мест), CDP (customer data platform — платформы клиентских данных) и рекламные платформы, а также BI-дашборды с self-service (business intelligence dashboards with self‑service — панели бизнес‑аналитики с самостоятельным доступом к данным и их визуализации) и ИИ/ML-модели. Среди эконометрических моделей выделяются оценка влияния каждого канала и фактора на продажи с учетом их отложенных эффектов и емкости, нейросети для прогноза выручки, оттока и пожизненной ценности клиентов, а также различные оптимизационные модели.

Продвинутая аналитика позволяет точно оценить вклад каждого канала в выручку, сократить потери рекламного бюджета на неэффективные показы на 15–30% и повысить конверсию на 10–15% за счет объединения данных из разрозненных источников, говорит директор по продуктам платформы «Модус» IT-холдинга Т1 Наталья Муравьева. При этом прирост 10% и выше, по ее словам, дает не внедрение одной отдельной модели, а комплексный переход на аналитический подход, когда перечисленные модели встроены в сам бизнес-процесс работы с клиентской базой, а не работают точечно.

Хотя инструменты ИИ и машинного обучения становятся доступнее, их реальная ценность сегодня по-прежнему определяется зрелостью аналитической базы компании, отмечает Екатерина Фролова. Уровень интеграции ИИ-инструментов, по ее словам, остается разрозненным: «Экосистемы для их использования в рамках крупных задач внутри рекламных агентств зачастую не созданы».

Многие функции продвинутой аналитики уже встроены в рекламные и MarTech-платформы — это, в частности, сегментация и таргетинг, интеграция с CRM (customer relationship management — система управления взаимоотношениями с клиентами), ERP (enterprise resource planning — система планирования ресурсов предприятия), DMP (data management platform — платформа управления данными), прогнозирование и автоматическая оптимизация кампаний. Для работы с продвинутой аналитикой уже не всегда нужна большая внутренняя команда специалистов, говорит аналитик маркетингового агентства «Артикс» Анастасия Стешиц.

По ее словам, на этом фоне роль маркетолога постепенно меняется: «По сути, он становится связующим звеном между бизнесом и аналитиками. Его задача — понять бизнес-проблему, перевести ее в конкретную гипотезу и правильно интерпретировать результат».

Маркетолог все чаще работает с данными, которые раньше находились за пределами его зоны ответственности: чтобы оценить эффективность маркетинга, уже недостаточно данных рекламных кабинетов. Нужна информация о продажах, клиентах, повторных покупках, маржинальности и поведении пользователей, подчеркивает Анастасия Стешиц.

По словам Александра Вахтина, в ближайшие годы акцент в рекламных бюджетах будет делаться не на каналы распространения, будь то контекстная реклама, соцсети или маркетплейсы, а на распределение рекламы по конкретным категориям аудитории и ситуациям.
«Сырые данные для этого у большинства компаний уже есть, их нужно только связать и довести до состояния, в котором на них можно считать», — заключает Александр Вахтин.

Пока, впрочем, только 21% руководителей маркетинга считают свою компанию действительно data-driven — об этом говорят результаты исследования, проведенного провайдером e-commerce и data-решений «Аэро» совместно с одной из крупнейших аналитических конференций «Матемаркетинг». Согласно им, у 55% компаний нет единой стратегии работы с данными, а больше половины сталкиваются с отсутствием сквозной аналитики и расхождениями в показателях между подразделениями.